librerias

## Warning: package 'plotly' was built under R version 4.2.3
## Loading required package: ggplot2
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
## Package 'mclust' version 6.0.0
## Type 'citation("mclust")' for citing this R package in publications.
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
## Loading required package: data.table
## 
## Attaching package: 'data.table'
## The following objects are masked from 'package:dplyr':
## 
##     between, first, last

datos

M2009 <- read_sav("Matrimonios/Matrimonio2009.sav") # nolint
M2010 <- read_sav("Matrimonios/Matrimonio2010.sav") # nolint
M2011 <- read_sav("Matrimonios/Matrimonio2011.sav") # nolint
M2012 <- read_sav("Matrimonios/Matrimonio2012.sav") # nolint
M2013 <- read_sav("Matrimonios/Matrimonio2013.sav") # nolint
M2014 <- read_sav("Matrimonios/Matrimonio2014.sav") # nolint
M2015 <- read_sav("Matrimonios/Matrimonio2015.sav") # nolint
M2016 <- read_sav("Matrimonios/Matrimonio2016.sav") # nolint
M2017 <- read_sav("Matrimonios/Matrimonio2017.sav") # nolint
M2018 <- read_sav("Matrimonios/Matrimonio2018.sav") # nolint
M2019 <- read_sav("Matrimonios/Matrimonio2019.sav") # nolint
M2020 <- read_sav("Matrimonios/Matrimonio2020.sav") # nolint
M2021 <- read_sav("Matrimonios/Matrimonio2021.sav") # nolint

Nacimiento

N2009 <- read_sav("Nacimientos/Nacimiento2009.sav") # nolint
N2010 <- read_sav("Nacimientos/Nacimiento2010.sav") # nolint
N2011 <- read_sav("Nacimientos/Nacimiento2011.sav") # nolint
N2012 <- read_sav("Nacimientos/Nacimiento2012.sav") # nolint
N2013 <- read_sav("Nacimientos/Nacimiento2013.sav") # nolint
N2014 <- read_sav("Nacimientos/Nacimiento2014.sav") # nolint
N2015 <- read_sav("Nacimientos/Nacimiento2015.sav") # nolint
N2016 <- read_sav("Nacimientos/Nacimiento2016.sav") # nolint
N2017 <- read_sav("Nacimientos/Nacimiento2017.sav") # nolint
N2018 <- read_sav("Nacimientos/Nacimiento2018.sav") # nolint
N2019 <- read_sav("Nacimientos/Nacimiento2019.sav") # nolint
N2020 <- read_sav("Nacimientos/Nacimiento2020.sav") # nolint
N2021 <- read_sav("Nacimientos/Nacimiento2021.sav") # nolint

Divorcios

D2009 <- read_sav("Divorcios/Divorcio2009.sav") # nolint
D2010 <- read_sav("Divorcios/Divorcio2010.sav") # nolint
D2011 <- read_sav("Divorcios/Divorcio2011.sav") # nolint
D2012 <- read_sav("Divorcios/Divorcio2012.sav") # nolint
D2013 <- read_sav("Divorcios/Divorcio2013.sav") # nolint
D2014 <- read_sav("Divorcios/Divorcio2014.sav") # nolint
D2015 <- read_sav("Divorcios/Divorcio2015.sav") # nolint
D2016 <- read_sav("Divorcios/Divorcio2016.sav") # nolint
D2017 <- read_sav("Divorcios/Divorcio2017.sav") # nolint
D2018 <- read_sav("Divorcios/Divorcio2018.sav") # nolint
D2019 <- read_sav("Divorcios/Divorcio2019.sav") # nolint
D2020 <- read_sav("Divorcios/Divorcio2020.sav") # nolint
D2021 <- read_sav("Divorcios/Divorcio2021.sav") # nolint

Descripción variables y observaciones

Comience describiendo cuantas variables y observaciones tiene disponibles, el tipo de cada una de las variables.

Las bases de datos de matrimonios cuentan con diferentes cantidades de variables,pero las 22 más comunes son: —Para divorcios— DEPREG: cualitativa MUPREG: cualitativa MESREG: cualitativa AÑOREG: cuantitativa discreta DIAOCU: cuantitativa MESOCU: cualitativa ANOOCU: cuantitativa discreta DEPOCU: cualitativa MUPOCU: cualitativa EDADHOM: cuantitativa discreta EDADMUJ: cuantitativa discreta GETHOM: cualitativa GETMUJ: cualitativa NACHOM: cualitativa NACMUJ: cualitativa OCUHOM: cualitativa OCUMUJ: cualitativa MEVER: cualitativa ANOVER: cualitativa

Resumen de datos

Haga un resumen de las variables numéricas e investigue si siguen una distribución normal y tablas de frecuencia para las variables categóricas, escriba lo que vaya encontrando.

#summary(M2009)
# Crear una lista con los conjuntos de datos
datasets <- list(D2009, D2010, D2011, D2012, D2013, D2014, D2015, D2016, D2017, D2018, D2019, D2020, D2021)

# Crear un bucle for para analizar cada conjunto de datos y obtener los nombres de las variables numéricas
for (i in 1:length(datasets)) {
  vars_numéricas <- sapply(datasets[[i]], is.numeric)
  print(names(vars_numéricas[vars_numéricas]))
}
##  [1] "Depreg"  "Mesreg"  "Diaocu"  "Mesocu"  "Depocu"  "Edadhom" "Edadmuj"
##  [8] "Gethom"  "Getmuj"  "Nachom"  "Nacmuj"  "Ocuhom"  "Ocumuj"  "Mever"  
## [15] "Anover" 
##  [1] "depreg"   "mesreg"   "añoreg"   "diaocu"   "mesocu"   "añoocu"  
##  [7] "depocu"   "edadhom"  "edadmuj"  "grethom"  "gretmuj"  "nachom"  
## [13] "nacmuj"   "escohom"  "escomuj"  "ocupahom" "ocupamuj"
##  [1] "depreg"   "mesreg"   "añoreg"   "diaocu"   "mesocu"   "añoocu"  
##  [7] "depocu"   "edadhom"  "edadmuj"  "grethom"  "gretmuj"  "nachom"  
## [13] "nacmuj"   "escohom"  "escomuj"  "ocupahom" "ocupamuj"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "DEPOCU"  "EDADHOM"
##  [8] "EDADMUJ" "GETHOM"  "GETMUJ"  "NACHOM"  "NACMUJ"  "ESCHOM"  "ESCMUJ" 
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "DEPOCU"  "EDADHOM"
##  [8] "EDADMUJ" "PUEHOM"  "PUEMUJ"  "NACHOM"  "NACMUJ"  "ESCHOM"  "ESCMUJ" 
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "DEPOCU"  "EDADHOM"
##  [8] "EDADMUJ" "PUEHOM"  "PUEMUJ"  "NACHOM"  "NACMUJ"  "ESCHOM"  "ESCMUJ" 
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PUEHOM"  "PUEMUJ"  "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"  "CIUOHOM" "CIUOMUJ"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PPERHOM" "PPERMUJ" "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"  "CIUOHOM" "CIUOMUJ"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PPERHOM" "PPERMUJ" "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"  "CIUOHOM" "CIUOMUJ"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PPERHOM" "PPERMUJ" "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"  "CIUOHOM" "CIUOMUJ"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PPERHOM" "PPERMUJ" "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"  "CIUOHOM" "CIUOMUJ"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PPERHOM" "PPERMUJ" "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"  "CIUOHOM" "CIUOMUJ"
##  [1] "DEPREG"  "MESREG"  "AÑOREG"  "DIAOCU"  "MESOCU"  "AÑOOCU"  "DEPOCU" 
##  [8] "EDADHOM" "EDADMUJ" "PPERHOM" "PPERMUJ" "NACHOM"  "NACMUJ"  "ESCHOM" 
## [15] "ESCMUJ"

Variables importantes

Cruce las variables que considere que son las más importantes para hallar los elementos clave que lo pueden llevar a comprender lo que está causando el problema encontrado.

Tiempo: Es importante poder ver el cambio a través del tiempo, si ha habido un incremente o decremento, tanto en matrimonios como en divorcios

NUNUHO:“Número de nupcias del hombre” NUNUMU:“Número de nupcias de la mujer”

M2021[, c(7, 8)]
## # A tibble: 87,480 × 2
##    NUNUHO       NUNUMU      
##    <dbl+lbl>    <dbl+lbl>   
##  1 9 [Ignorado] 9 [Ignorado]
##  2 1            1           
##  3 9 [Ignorado] 9 [Ignorado]
##  4 1            1           
##  5 9 [Ignorado] 9 [Ignorado]
##  6 9 [Ignorado] 9 [Ignorado]
##  7 9 [Ignorado] 9 [Ignorado]
##  8 1            1           
##  9 9 [Ignorado] 9 [Ignorado]
## 10 9 [Ignorado] 9 [Ignorado]
## # … with 87,470 more rows

Saber si una persona ha estado previamente casada y si esto influye en la posibilidad de divorcio, cómo hipotesis se espera que las personas que han tenido más de dos nupcias antes, son más propensas al divorcio

Edadhom: “Edad del hombre” Edadmuj: “Edad de la mujer”

D2021[, c(10, 11)]
## # A tibble: 9,621 × 2
##    EDADHOM        EDADMUJ       
##    <dbl+lbl>      <dbl+lbl>     
##  1  29             25           
##  2  36             37           
##  3  34             31           
##  4  48             33           
##  5  44             28           
##  6  39             27           
##  7  45             40           
##  8 999 [Ignorado] 999 [Ignorado]
##  9  36             31           
## 10 999 [Ignorado] 999 [Ignorado]
## # … with 9,611 more rows

La edad puede ser un dato interesante a explorar, esto para saber si los jovenes tienen más tendencia a casarse o divorcioarse y si los matrimonios más duraderos tienen menos divorcios

Genero: Es interesante ver que genero es más propenso a los divorcios, esto también puede estar relacionado con la cantidad de nupcias de una persona

Efectos de la pandemia: Ver como los divorcios y matrimonios se comportaron a partir de marzo de 2020 que fue el momento en que la cuarentena empezó a hacerse efectiva

Graficos exploratorios

Haga gráficos exploratorios que le de ideas del estado de los datos.

## Analisis
## Divorcios
r EdadMujD2009 <- sum(D2009$Edadmuj) EdadMujD2010 <- sum(D2010$edadmuj) EdadMujD2011 <- sum(D2011$edadmuj) EdadMujD2012 <- sum(D2012$EDADMUJ) EdadMujD2013 <- sum(D2013$EDADMUJ) EdadMujD2014 <- sum(D2014$EDADMUJ) EdadMujD2015 <- sum(D2015$EDADMUJ) EdadMujD2016 <- sum(D2016$EDADMUJ) EdadMujD2017 <- sum(D2017$EDADMUJ) EdadMujD2018 <- sum(D2018$EDADMUJ) EdadMujD2019 <- sum(D2019$EDADMUJ) EdadMujD2020 <- sum(D2020$EDADMUJ) EdadMujD2021 <- sum(D2021$EDADMUJ)
r dfD <- data.frame (año = c("2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017","2018","2019","2020","2021"), matrimonios = c(EdadMujD2009, EdadMujD2010, EdadMujD2011, EdadMujD2012, EdadMujD2013, EdadMujD2014, EdadMujD2015, EdadMujD2016, EdadMujD2017, EdadMujD2018, EdadMujD2019, EdadMujD2020, EdadMujD2021)) print(dfD)
## año matrimonios ## 1 2009 1173016 ## 2 2010 2764309 ## 3 2011 3086834 ## 4 2012 3512781 ## 5 2013 3572498 ## 6 2014 3342987 ## 7 2015 3251831 ## 8 2016 3064039 ## 9 2017 3042894 ## 10 2018 3062850 ## 11 2019 3933259 ## 12 2020 1687235 ## 13 2021 3733294
r ggplot(dfD, aes(x=año, y=matrimonios, group = 1)) + geom_point(size = 2, color = "green") + geom_line(color="green") + labs(x = "Año", y = "Divorcios", title = "Divorcios")
## Matrimonios
r EdadMujM2009 <- sum(M2009$Edadmuj)
## Warning: Unknown or uninitialised column: `Edadmuj`.
r EdadMujM2010 <- sum(M2010$edadmuj)
## Warning: Unknown or uninitialised column: `edadmuj`.
r EdadMujM2011 <- sum(M2011$edadmuj)
## Warning: Unknown or uninitialised column: `edadmuj`.
r EdadMujM2012 <- sum(M2012$EDADMUJ) EdadMujM2013 <- sum(M2013$EDADMUJ) EdadMujM2014 <- sum(M2014$EDADMUJ) EdadMujM2015 <- sum(M2015$EDADMUJ) EdadMujM2016 <- sum(M2016$EDADMUJ) EdadMujM2017 <- sum(M2017$EDADMUJ) EdadMujM2018 <- sum(M2018$EDADMUJ) EdadMujM2019 <- sum(M2019$EDADMUJ) EdadMujM2020 <- sum(M2020$EDADMUJ) EdadMujM2021 <- sum(M2021$EDADMUJ)
r dfD <- data.frame (año = c("2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017","2018","2019","2020","2021"), matrimonios = c(EdadMujM2009, EdadMujM2010, EdadMujM2011, EdadMujM2012, EdadMujM2013, EdadMujM2014, EdadMujM2015, EdadMujM2016, EdadMujM2017, EdadMujM2018, EdadMujM2019, EdadMujM2020, EdadMujM2021)) print(dfD)
## año matrimonios ## 1 2009 0 ## 2 2010 0 ## 3 2011 0 ## 4 2012 2251360 ## 5 2013 2116792 ## 6 2014 2089815 ## 7 2015 2065832 ## 8 2016 1914942 ## 9 2017 1949642 ## 10 2018 2038355 ## 11 2019 2094080 ## 12 2020 1555747 ## 13 2021 2407251
r ggplot(dfD, aes(x=año, y=matrimonios, group = 1)) + geom_point(size = 2, color = "green") + geom_line(color="green") + labs(x = "Año", y = "Matrimonios", title = "Matrimonios")
## Nacimientos
r EdadMujN2009 <- sum(N2009$Edadm) EdadMujN2010 <- sum(N2010$Edadm) EdadMujN2011 <- sum(N2011$Edadm) EdadMujN2012 <- sum(N2012$Edadm) EdadMujN2013 <- sum(N2013$Edadm) EdadMujN2014 <- sum(N2014$Edadm) EdadMujN2015 <- sum(N2015$Edadm) EdadMujN2016 <- sum(N2016$Edadm) EdadMujN2017 <- sum(N2017$Edadm) EdadMujN2018 <- sum(N2018$Edadm) EdadMujN2019 <- sum(N2019$Edadm) EdadMujN2020 <- sum(N2020$Edadm) EdadMujN2021 <- sum(N2021$Edadm)
r dNac <- data.frame (año = c("2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017","2018","2019","2020","2021"), matrimonios = c(EdadMujN2009, EdadMujN2010, EdadMujN2011, EdadMujN2012, EdadMujN2013, EdadMujN2014, EdadMujN2015, EdadMujN2016, EdadMujN2017, EdadMujN2018, EdadMujN2019, EdadMujN2020, EdadMujN2021)) print(dNac)
## año matrimonios ## 1 2009 20298288 ## 2 2010 9550498 ## 3 2011 9713100 ## 4 2012 9974089 ## 5 2013 10152809 ## 6 2014 10021535 ## 7 2015 10162460 ## 8 2016 10093076 ## 9 2017 9862143 ## 10 2018 9922821 ## 11 2019 9922821 ## 12 2020 9473381 ## 13 2021 8949596
r ggplot(dNac, aes(x=año, y=matrimonios, group = 1)) + geom_point(size = 2, color = "green") + geom_line(color="green") + labs(x = "Año", y = "Nacimientos", title = "Nacimientos")

Histogramas

2009

library(dplyr)
library(ggplot2)

D2009 <- subset(D2009, Edadmuj < 999)

barplot(table(D2009$Edadmuj), main = "Edad de la mujer en divorcios 2009", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2010

D2010 <- subset(D2010, edadmuj < 999)

barplot(table(D2010$edadmuj), main = "Edad de la mujer en divorcios 2010", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2011

D2011 <- subset(D2011, edadmuj < 999)

barplot(table(D2011$edadmuj), main = "Edad de la mujer en divorcios 2011", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2012

D2012 <- subset(D2012, EDADMUJ < 999)

barplot(table(D2012$EDADMUJ), main = "Edad de la mujer en divorcios 2012", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2013

D2013 <- subset(D2013, EDADMUJ < 999)

barplot(table(D2013$EDADMUJ), main = "Edad de la mujer en divorcios 2013", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2014

D2014 <- subset(D2014, EDADMUJ < 999)

barplot(table(D2014$EDADMUJ), main = "Edad de la mujer en divorcios 2014", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2015

D2015 <- subset(D2015, EDADMUJ < 999)

barplot(table(D2015$EDADMUJ), main = "Edad de la mujer en divorcios 2015", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2016

D2016 <- subset(D2016, EDADMUJ < 999)

barplot(table(D2016$EDADMUJ), main = "Edad de la mujer en divorcios 2016", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2017

D2017 <- subset(D2017, EDADMUJ < 999)

barplot(table(D2017$EDADMUJ), main = "Edad de la mujer en divorcios 2017", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2018

D2018 <- subset(D2018, EDADMUJ < 999)

barplot(table(D2018$EDADMUJ), main = "Edad de la mujer en divorcios 2018", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2019

D2019 <- subset(D2019, EDADMUJ < 999)

barplot(table(D2019$EDADMUJ), main = "Edad de la mujer en divorcios 2019", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2020

D2020 <- subset(D2020, EDADMUJ < 999)

barplot(table(D2020$EDADMUJ), main = "Edad de la mujer en divorcios 2020", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

2021

D2021 <- subset(D2021, EDADMUJ < 999)

barplot(table(D2021$EDADMUJ), main = "Edad de la mujer en divorcios 2021", xlab = "Edad", ylab = "Cantidad", col = "steelblue" , border = "pink")

Combinando datos

colnames(D2009) <- c("DEPREG", "MUPREG", "MESREG", "AÑOREG", "DIAOCU", "MESOCU", "AÑOOCU", "DEPOCU", "MUPOCU", "EDADHOM", "EDADMUJ", "PPERHOM", "PPERMUJ", "NACHOM", "NACMUJ", "CIUOHOM", "CIUOMUJ", "Mever", "Anover")
colnames(D2010) <- c("DEPREG", "MUPREG", "MESREG", "AÑOREG", "DIAOCU", "MESOCU", "AÑOOCU", "DEPOCU", "MUPOCU", "EDADHOM", "EDADMUJ", "PPERHOM", "PPERMUJ", "NACHOM", "NACMUJ", "ESCHOM", "ESCMUJ", "CIUOHOM", "CIUOMUJ")
colnames(D2011) <- c("DEPREG", "MUPREG", "MESREG", "AÑOREG", "DIAOCU", "MESOCU", "AÑOOCU", "DEPOCU", "MUPOCU", "EDADHOM", "EDADMUJ", "PPERHOM", "PPERMUJ", "NACHOM", "NACMUJ", "ESCHOM", "ESCMUJ", "CIUOHOM", "CIUOMUJ")
colnames(D2012) <- c("DEPREG",  "MUPREG",  "MESREG",  "AÑOREG",  "DIAOCU",  "MESOCU",  "DEPOCU",  "MUPOCU", "EDADHOM", "EDADMUJ", "PPERHOM",  "PPERMUJ",  "NACHOM",  "NACMUJ",  "ESCHOM",  "ESCMUJ", "CIUOHOM",  "CIUOMUJ") 
colnames(D2013) <- c( "DEPREG",  "MUPREG",  "MESREG",  "AÑOREG",  "DIAOCU",  "MESOCU",  "DEPOCU",  "MUPOCU",  "EDADHOM", "EDADMUJ", "PPERHOM",  "PPERMUJ",  "NACHOM",  "NACMUJ",  "ESCHOM",  "ESCMUJ",  "CIUOHOM", "CIUOMUJ")
colnames(D2014) <- c( "DEPREG",  "MUPREG",  "MESREG",  "AÑOREG",  "DIAOCU",  "MESOCU",  "DEPOCU",  "MUPOCU", "EDADHOM", "EDADMUJ", "PPERHOM",  "PPERMUJ",  "NACHOM",  "NACMUJ",  "ESCHOM",  "ESCMUJ",  "CIUOHOM", "CIUOMUJ")
colnames(D2015) <- c("DEPREG",  "MUPREG",  "MESREG",  "AÑOREG",  "DIAOCU",  "MESOCU",  "AÑOOCU",  "DEPOCU",  "MUPOCU",  "EDADHOM", "EDADMUJ", "PPERHOM", "PPERMUJ",  "NACHOM", "NACMUJ",  "ESCHOM",  "ESCMUJ",  "CIUOHOM", "CIUOMUJ")
D2009 <- D2009 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2010 <- D2010 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2011 <- D2011 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2012 <- D2012 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2013 <- D2013 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2014 <- D2014 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2015 <- D2015 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2016 <- D2016 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2017 <- D2017 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2018 <- D2018 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2019 <- D2019 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2020 <- D2020 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2021 <- D2021 %>% mutate(AÑOREG = as.numeric(AÑOREG))
D2009 <- D2009 %>% mutate(AÑOOCU = as.numeric(AÑOOCU))
D2010 <- D2010 %>% mutate(AÑOOCU = as.numeric(AÑOOCU))
D2011 <- D2011 %>% mutate(AÑOOCU = as.numeric(AÑOOCU))
D2009 <- D2009 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2010 <- D2010 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2011 <- D2011 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2012 <- D2012 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2013 <- D2013 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2014 <- D2014 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2015 <- D2015 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2016 <- D2016 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2017 <- D2017 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2018 <- D2018 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2019 <- D2019 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2020 <- D2020 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2021 <- D2021 %>% mutate(CIUOHOM = as.character(CIUOHOM))
D2009 <- D2009 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2010 <- D2010 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2011 <- D2011 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2012 <- D2012 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2013 <- D2013 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2014 <- D2014 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2015 <- D2015 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2016 <- D2016 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2017 <- D2017 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2018 <- D2018 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2019 <- D2019 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2020 <- D2020 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
D2021 <- D2021 %>% mutate(CIUOMUJ = as.character(CIUOMUJ))
#divorcios <- bind_rows(D2009, D2010, D2011, D2012, D2013, D2014, D2015, D2016, D2017, D2018, D2019, D2020, D2021)
divorcios <- bind_rows( D2012, D2013, D2014, D2015, D2016, D2017, D2018, D2019, D2020, D2021)
#l = list(D2012, D2013, D2014, D2015, D2016, D2017, D2018, D2019, D2020, D2021)
#divorcios <- do.call("rbind",l)
str(divorcios)
## tibble [30,378 × 19] (S3: tbl_df/tbl/data.frame)
##  $ DEPREG : dbl+lbl [1:30378] 17, 12,  1, 14,  1,  1,  1,  1,  1,  1,  9, 22,  3, ...
##    ..@ labels: Named num [1:22] 1 2 3 4 5 6 7 8 9 10 ...
##    .. ..- attr(*, "names")= chr [1:22] "Guatemala" "El Progreso" "Sacatepequez" "Chimaltenango" ...
##    ..@ label : chr "Departamento de registro"
##  $ MUPREG : chr+lbl [1:30378] 1708, 1213, 0101, 1416, 0101, 0101, 0101, 0101, 0101...
##    ..@ labels: Named chr [1:342] "1010" "2010" "0110" "1210" ...
##    .. ..- attr(*, "names")= chr [1:342] "San Antonio Suchitepéquez" "San Jacinto" "San Juan Sacatepéquez" "Tejutla" ...
##    ..@ label : chr "Municipio de registro"
##  $ MESREG : dbl+lbl [1:30378]  3,  5,  4,  6, 10,  2,  8, 11,  9,  8,  4,  1,  4, ...
##    ..@ labels: Named num [1:12] 1 2 3 4 5 6 7 8 9 10 ...
##    .. ..- attr(*, "names")= chr [1:12] "Enero" "Febrero" "Marzo" "Abril" ...
##    ..@ label : chr "Mes de registro"
##  $ AÑOREG : num [1:30378] 2012 2012 2012 2012 2012 ...
##  $ DIAOCU : num [1:30378] 16 3 27 28 12 9 11 3 29 16 ...
##  $ MESOCU : dbl+lbl [1:30378]  2,  2,  3,  5,  3,  1,  6,  8,  2,  5,  5,  2,  4, ...
##    ..@ label      : chr "Mes de ocurrencia"
##    ..@ format.spss: chr "F2.0"
##    ..@ labels     : Named num [1:12] 1 2 3 4 5 6 7 8 9 10 ...
##    .. ..- attr(*, "names")= chr [1:12] "Enero" "Febrero" "Marzo" "Abril" ...
##  $ DEPOCU : dbl+lbl [1:30378] 17, 12,  1, 14,  1,  1,  1,  1,  1,  1,  9, 22,  1, ...
##    ..@ labels: Named num [1:22] 1 2 3 4 5 6 7 8 9 10 ...
##    .. ..- attr(*, "names")= chr [1:22] "Guatemala" "El Progreso" "Sacatepequez" "Chimaltenango" ...
##    ..@ label : chr "Departamento de ocurrencia"
##  $ MUPOCU : chr+lbl [1:30378] 1703, 1215, 0101, 1401, 0101, 0101, 0101, 0101, 0101...
##    ..@ labels: Named chr [1:342] "1010" "2010" "0110" "1210" ...
##    .. ..- attr(*, "names")= chr [1:342] "San Antonio Suchitepéquez" "San Jacinto" "San Juan Sacatepéquez" "Tejutla" ...
##    ..@ label : chr "Municipio de ocurrencia"
##  $ EDADHOM: dbl+lbl [1:30378] 999,  35,  33,  31,  27,  37,  41,  36,  46,  38,  3...
##    ..@ label      : chr "Edad del hombre"
##    ..@ format.spss: chr "F4.0"
##    ..@ labels     : Named num 999
##    .. ..- attr(*, "names")= chr "Ignorado"
##  $ EDADMUJ: dbl+lbl [1:30378] 33, 30, 32, 28, 29, 30, 42, 30, 37, 35, 35, 33, 38, ...
##    ..@ label      : chr "Edad de la mujer"
##    ..@ format.spss: chr "F4.0"
##    ..@ labels     : Named num 999
##    .. ..- attr(*, "names")= chr "Ignorado"
##  $ PPERHOM: dbl+lbl [1:30378] 9, 2, 9, 9, 2, 9, 2, 2, 2, 2, 1, 9, 2, 2, 1, 2, 2, 9...
##    ..@ labels: Named num [1:6] 1 2 9 3 4 5
##    .. ..- attr(*, "names")= chr [1:6] "Indigena" "No indigena" "Ignorado" "Xinca" ...
##    ..@ label : chr "Grupo Etnico del hombre"
##  $ PPERMUJ: dbl+lbl [1:30378] 2, 2, 2, 2, 2, 9, 9, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 9...
##    ..@ labels: Named num [1:6] 1 2 9 3 4 5
##    .. ..- attr(*, "names")= chr [1:6] "Indigena" "No indigena" "Ignorado" "Xinca" ...
##    ..@ label : chr "Grupo Etnico de la mujer"
##  $ NACHOM : dbl+lbl [1:30378] 320, 320, 320, 320, 320, 320, 320, 320, 320, 320, 32...
##    ..@ labels: Named num [1:105] 32 56 68 84 124 156 170 188 192 222 ...
##    .. ..- attr(*, "names")= chr [1:105] "Argentina" "Bélgica" "Bolivia" "Belice" ...
##    ..@ label : chr "Nacionalidad del hombre"
##  $ NACMUJ : dbl+lbl [1:30378] 320, 320, 320, 320, 320, 320, 320, 320, 320, 320, 32...
##    ..@ labels: Named num [1:103] 76 84 170 188 192 218 222 276 320 340 ...
##    .. ..- attr(*, "names")= chr [1:103] "Brasil" "Belice" "Colombia" "Costa Rica" ...
##    ..@ label : chr "Nacionalidad de la mujer"
##  $ ESCHOM : dbl+lbl [1:30378] 9, 5, 5, 1, 4, 9, 5, 5, 5, 9, 4, 9, 3, 5, 9, 9, 3, 9...
##    ..@ labels: Named num [1:8] 1 2 3 4 5 9 6 0
##    .. ..- attr(*, "names")= chr [1:8] "Ninguna" "Primaria" "Básico" "Diversificado" ...
##    ..@ label : chr "Escolaridad del hombre"
##  $ ESCMUJ : dbl+lbl [1:30378] 4, 9, 5, 4, 5, 9, 5, 5, 5, 5, 4, 4, 4, 5, 4, 5, 5, 9...
##    ..@ labels: Named num [1:8] 1 2 3 4 5 9 6 0
##    .. ..- attr(*, "names")= chr [1:8] "Ninguna" "Primaria" "Básico" "Diversificado" ...
##    ..@ label : chr "Escolaridad de la mujer"
##  $ CIUOHOM: chr [1:30378] "9712" "110" "2142" "8189" ...
##  $ CIUOMUJ: chr [1:30378] "110" "1120" "1120" "1120" ...
##  $ AÑOOCU : num [1:30378] NA NA NA NA NA NA NA NA NA NA ...
## Warning: The dot-dot notation (`..density..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(density)` instead.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

boxplot(divorcios$AÑOREG, main = "Caja y Bigotes de registro de divorcios por año (2012 - 2021)", xlab = "Registro por año")

Diagrama de qqnormal

Registros de Edad hombre

Prueba de normalidad para la edad del hombre:

## Don't know how to automatically pick scale for object of type
## <haven_labelled/vctrs_vctr/double>. Defaulting to continuous.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Diagrama de caja y bigotes

Diagrama qqnormal

Registros de edad de mujeres

Prueba de normalidad para la edad de la mujer:

## Don't know how to automatically pick scale for object of type
## <haven_labelled/vctrs_vctr/double>. Defaulting to continuous.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Diagrama de caja y bigotes

Diagrama qqnormal

Tabla de frecuencias para variables cualitativas

Tabla de frecuencias para el departamento de ocurrencia y representación gráfica

D2009 <- D2009 %>%
  mutate_if(is.labelled,list(as_factor))
D2010 <- D2010 %>%
  mutate_if(is.labelled,list(as_factor))
D2011 <- D2011 %>%
  mutate_if(is.labelled,list(as_factor))
D2012 <- D2012 %>%
  mutate_if(is.labelled,list(as_factor))
D2013 <- D2013 %>%
  mutate_if(is.labelled,list(as_factor))
D2014 <- D2014 %>%
  mutate_if(is.labelled,list(as_factor))
D2015 <- D2015 %>%
  mutate_if(is.labelled,list(as_factor))
D2016 <- D2016 %>%
  mutate_if(is.labelled,list(as_factor))
D2017 <- D2017 %>%
  mutate_if(is.labelled,list(as_factor))
D2018 <- D2018 %>%
  mutate_if(is.labelled,list(as_factor))
D2019 <- D2019 %>%
  mutate_if(is.labelled,list(as_factor))
D2020 <- D2020 %>%
  mutate_if(is.labelled,list(as_factor))
D2021 <- D2021 %>%
  mutate_if(is.labelled,list(as_factor))

divorciosLabels <- bind_rows( D2012, D2013, D2014, D2015, D2016, D2017, D2018, D2019, D2020, D2021)
## 
##      Guatemala    El Progreso   Sacatepequez  Chimaltenango      Escuintla 
##          10008            554            482            815           1418 
##     Santa Rosa         Solola    Totonicapan Quetzaltenango  Suchitepequez 
##            898            312            404           2751            705 
##     Retalhuleu     San Marcos  Huehuetenango         Quiche   Baja Verapaz 
##            912           1455           1107            635            645 
##   Alta Verapaz          Peten         Izabal         Zacapa     Chiquimula 
##            892            579            978            762            798 
##         Jalapa        Jutiapa   Sacatepéquez         Sololá    Totonicapán 
##            604           1474            162             91            171 
##  Suchitepéquez         Quiché          Petén 
##            267            274            225

Tabla de frecuencias para el municipio de ocurrencia

## 
##                   Guatemala       Santa Catarina Pinula 
##                        6367                         239 
##             San José Pinula          San José del Golfo 
##                         176                          34 
##                    Palencia                   Chinautla 
##                          79                         199 
##           San Pedro Ayampuc                       Mixco 
##                          95                         779 
##      San Pedro Sacatepéquez       San Juan Sacatepéquez 
##                         185                         131 
##                San Raymundo                 Chuarrancho 
##                          91                          19 
##                   Fraijanes                   Amatitlán 
##                          82                         356 
##                 Villa Nueva               Villa Canales 
##                         749                         314 
##                      Petapa                  Guastatoya 
##                         231                         206 
##                     Morazán   San Agustín Acasaguastlán 
##                          29                          58 
## San Cristóbal Acasaguastlán                   El Jícaro 
##                          16                          53 
##                     Sansare                    Sanarate 
##                          33                         107 
##          San Antonio la Paz           Antigua Guatemala 
##                          52                         262 
##                 Jocotenango                    Pastores 
##                          62                          19 
##                    Sumpango       Santo Domingo Xenacoj 
##                          18                           7 
##       Santiago Sacatepéquez  San Bartolomé Milpas Altas 
##                          30                          12 
##      San Lucas Sacatepéquez    Santa Lucía Milpas Altas 
##                          81                          41 
##      Magdalena Milpas Altas        Santa María de Jesús 
##                          19                           5 
##                Ciudad Vieja           San Miguel Dueñas 
##                          35                          15 
##                  Alotenango San Antonio Aguas Calientes 
##                          12                          21 
##     Santa Catarina Barahona               Chimaltenango 
##                           5                         296 
##            San José Poaquil      San Martín Jilotepeque 
##                          18                          47 
##                    Comalapa              Santa Apolonia 
##                          40                           8 
##            Tecpán Guatemala                      Patzún 
##                          90                          53 
##                     Pochuta                    Patzicía 
##                           4                          45 
##          Santa Cruz Balanyá                  Acatenango 
##                          14                          19 
##                    Yepocapa           San Andrés Itzapa 
##                          10                          40 
##                    Parramos                    Zaragoza 
##                          25                          69 
##                    El Tejar                   Escuintla 
##                          37                         524 
##   Santa Lucía Cotzumalguapa               La Democracia 
##                         170                         105 
##                   Siquinalá                     Masagua 
##                          32                          28 
##                   Tiquisate                   La Gomera 
##                         156                          72 
##                 Guanagazapa                    San José 
##                          16                         174 
##                      Iztapa                       Palín 
##                          46                          84 
##          San Vicente Pacaya            Nueva Concepción 
##                          22                          89 
##                     Cuilapa                   Barberena 
##                         182                         156 
##          Santa Rosa de Lima                    Casillas 
##                          47                          40 
##       San Rafael las Flores                    Oratorio 
##                          15                          37 
##            San Juan Tecuaco               Chiquimulilla 
##                          11                         134 
##                     Taxisco        Santa María Ixhuatán 
##                          49                          33 
##                  Guazacapán          Santa Cruz Naranjo 
##                          61                          33 
##          Pueblo Nuevo Viñas            Nueva Santa Rosa 
##                          35                          65 
##                      Sololá            San José Chacayá 
##                         158                           1 
##      Santa María Visitación         Santa Lucía Utatlán 
##                           0                          30 
##                     Nahualá   Santa Catarina Ixtahuacán 
##                          34                          19 
##       Santa Clara la Laguna                  Concepción 
##                          13                           3 
##        San Andrés Semetabaj                  Panajachel 
##                           5                          52 
##       Santa Catarina Palopó          San Antonio Palopó 
##                           4                           7 
##           San Lucas Tolimán        Santa Cruz la Laguna 
##                          31                           5 
##         San Pablo la Laguna        San Marcos la Laguna 
##                           1                           0 
##          San Juan la Laguna         San Pedro la Laguna 
##                          14                          11 
##            Santiago Atitlán                 Totonicapán 
##                          15                         290 
##   San Cristóbal Totonicapán       San Francisco el Alto 
##                          39                          53 
##            San Andrés Xecul                Momostenango 
##                          29                         111 
##      Santa María Chiquimula      Santa Lucía la Reforma 
##                          25                          12 
##                 San Bartolo              Quetzaltenango 
##                          16                        1166 
##                     Salcajá                 Olintepeque 
##                         131                          67 
##             San Carlos Sija                     Sibilia 
##                          57                          16 
##                    Cabricán                      Cajolá 
##                          17                           6 
##          San Miguel Siguilá                  Ostuncalco 
##                           9                          77 
##                   San Mateo    Concepción Chiquirichapa 
##                          20                          30 
##     San Martín Sacatepéquez                   Almolonga 
##                          36                          29 
##                      Cantel                      Huitán 
##                         121                          14 
##                       Zunil                     Colomba 
##                          51                          87 
##      San Francisco la Unión                   El Palmar 
##                          10                          38 
##                  Coatepeque                      Génova 
##                         501                         113 
##           Flores Costa Cuca                La Esperanza 
##                          58                          79 
##      Palestina de los Altos                 Mazatenango 
##                          18                         382 
##                 Cuyotenango    San Francisco Zapotitlán 
##                          92                          67 
##              San Bernardino           San José el Idolo 
##                          57                          11 
## Santo Domingo Suchitepéquez                 San Lorenzo 
##                          15                          28 
##                     Samayac         San Pablo Jocopilas 
##                          44                          23 
##   San Antonio Suchitepéquez            San Miguel Panán 
##                          60                           4 
##                 San Gabriel                    Chicacao 
##                          12                          38 
##                     Patulul               Santa Bárbara 
##                          28                          24 
##           San Juan Bautista        Santo Tomás la Unión 
##                           6                          22 
##                    Zunilito                Pueblo Nuevo 
##                          17                          29 
##                   Río Bravo                  Retalhuleu 
##                          37                         484 
##               San Sebastián            Santa Cruz Muluá 
##                          79                          27 
##       San Martín Zapotitlán                  San Felipe 
##                          29                          46 
##       San Andrés Villa Seca                  Champerico 
##                          75                          78 
##            Nuevo San Carlos                  El Asintal 
##                          50                          44 
##                  San Marcos    San Antonio Sacatepéquez 
##                         167                          20 
##                Comitancillo       San Miguel Ixtahuacán 
##                          12                           9 
##          Concepción Tutuapa                      Tacaná 
##                          13                          21 
##                     Sibinal                   Tajumulco 
##                           3                           8 
##                     Tejutla San Rafael Pié de la Cuesta 
##                          57                          44 
##              Nuevo Progreso                 El Tumbador 
##                          43                          42 
##                    El Rodeo                   Malacatán 
##                          11                         232 
##                    Catarina                      Ayutla 
##                          35                         151 
##                        Ocós                   San Pablo 
##                         105                          58 
##                  El Quetzal                  La Reforma 
##                          71                          29 
##                    Pajapita                   Ixchiguán 
##                          49                          36 
##           San José Ojetenán         San Cristóbal Cucho 
##                           5                          47 
##                    Sipacapa       Esquipulas Palo Gordo 
##                           9                           8 
##                  Río Blanco               Huehuetenango 
##                          26                         516 
##                    Chiantla               Malacatancito 
##                          46                          36 
##                      Cuilco                      Nentón 
##                          24                          12 
##             San Pedro Necta                Jacaltenango 
##                          16                          23 
##                      Soloma                  Ixtahuacán 
##                          44                          23 
##                 La Libertad           San Miguel Acatán 
##                         108                           7 
## San Rafael la Independencia     Todos Santos Cuchumatán 
##                           4                          37 
##             San Juan Atitán               Santa Eulalia 
##                          14                          15 
##           San Mateo Ixtatán                 Colotenango 
##                           2                          14 
## San Sebastián Huehuetenango                    Tectitán 
##                           7                           4 
##           Concepción Huista              San Juan Ixcoy 
##                           7                           9 
##          San Antonio Huista        San Sebastián Coatán 
##                          16                          37 
##                    Barillas                   Aguacatán 
##                          33                          21 
##           San Rafael Petzal           San Gaspar Ixchil 
##                           5                           2 
##      Santiago Chimaltenango            Santa Ana Huista 
##                           5                           4 
##              Unión Cantinil       Santa Cruz del Quiché 
##                           2                         280 
##                      Chiché                    Chinique 
##                          16                          23 
##                    Zacualpa                      Chajul 
##                          33                           8 
##            Chichicastenango                     Patzité 
##                          79                           5 
##      San Antonio Ilotenango         San Pedro Jocopilas 
##                          22                          12 
##                       Cunén             San Juan Cotzal 
##                          33                          10 
##                     Joyabaj                       Nebaj 
##                         105                          73 
##        San Andrés Sajcabajá                    Uspantán 
##                          12                          37 
##                   Sacapulas   San Bartolomé Jocotenango 
##                          41                           5 
##                     Canillá                    Chicamán 
##                          23                          18 
##                       Ixcán                    Pachalum 
##                          44                          30 
##                      Salamá           San Miguel Chicaj 
##                         304                          23 
##                     Rabinal                     Cubulco 
##                          84                          73 
##                    Granados                     El Chol 
##                          28                          29 
##                San Jerónimo                     Purulhá 
##                          80                          24 
##                       Cobán          Santa Cruz Verapaz 
##                         453                          32 
##       San Cristóbal Verapaz                      Tactic 
##                          68                          48 
##                      Tamahú                      Tucurú 
##                           6                           6 
##                      Panzós                      Senahú 
##                           7                          13 
##            San Pedro Carchá           San Juan Chamelco 
##                          97                          51 
##                     Lanquín                     Cahabón 
##                           6                           5 
##                      Chisec                      Chahal 
##                          32                           5 
## Fray Bartolomé de las Casas     Santa Catalina la Tinta 
##                          48                          11 
##                     Raxruhá                      Flores 
##                           4                         108 
##                  San Benito                  San Andrés 
##                         208                          41 
##               San Francisco                   Santa Ana 
##                          37                          18 
##                     Dolores                    San Luis 
##                          49                          27 
##                    Sayaxché           Melchor de Mencos 
##                          36                          37 
##                      Poptún                  Las Cruces 
##                         129                          12 
##              Puerto Barrios                  Livingston 
##                         617                          58 
##                    El Estor                     Morales 
##                          22                         197 
##                  Los Amates                      Zacapa 
##                          84                         395 
##                  Estanzuela                   Río Hondo 
##                          56                          85 
##                      Gualán                   Teculután 
##                         107                          32 
##                   Usumatlán                     Cabañas 
##                          13                          18 
##                   San Diego                    La Unión 
##                          27                          15 
##                       Huité                  Chiquimula 
##                           9                         308 
##           San José La Arada             San Juan Ermita 
##                          27                          21 
##                     Jocotán                     Camotán 
##                          31                          15 
##                       Olopa                  Esquipulas 
##                          24                         116 
##        Concepción Las Minas              Quetzaltepeque 
##                          78                          53 
##                 San Jacinto                       Ipala 
##                          10                         115 
##                      Jalapa            San Pedro Pinula 
##                         387                          29 
##        San Luis Jilotepeque        San Manuel Chaparrón 
##                          31                          19 
##         San Carlos Alzatate                      Monjas 
##                          10                          99 
##             Mataquescuintla                     Jutiapa 
##                          29                         500 
##                 El Progreso         Santa Catarina Mita 
##                         152                          91 
##                 Agua Blanca               Asunción Mita 
##                          78                         160 
##                Yupiltepeque                 Atescatempa 
##                          23                          49 
##                       Jerez                 El Adelanto 
##                          13                           9 
##                  Zapotitlán                      Comapa 
##                          13                          39 
##                  Jalpatagua                    Conguaco 
##                         114                           9 
##                      Moyuta                      Pasaco 
##                          91                           5 
##           San José Acatempa                     Quesada 
##                          81                          47 
##         San José La Maquina                   La Blanca 
##                           0                           8 
##                     El Chal                   San Jorge 
##                           6                           5 
##                    Sipacate         San José la Maquina 
##                           0                           4 
##                     Petatán                  Extranjero 
##                           0                           0 
##                    Ignorado 
##                           0

Tabla de frecuencias para la escolaridad del hombre

## 
##       Ninguna      Primaria        Básico Diversificado Universitario 
##           318          4846          3138         10566          3149 
##      Ignorado       Ninguno     Postgrado        Básica    Post Grado 
##          5275          2752             7           280            47 
##     Doctorado 
##             0

Tabla de frecuencias para la escolaridad de la Mujer

## 
##       Ninguna      Primaria        Básico Diversificado Universitario 
##           347          5118          3439         11462          3082 
##      Ignorado       Ninguno     Postgrado        Básica    Post Grado 
##          3534          3074             4           289            29 
##     Doctorado 
##             0

Tabla de frecuencias para el grupo étnico del hombre

## 
##         Garífuna         Ignorado         Indigena Ladino / Mestizo 
##               18             6141              182            19355 
##             Maya      No indigena             Otro            Xinka 
##             3564              820              293                5

Tabla de frecuencias para el grupo étnico de la mujer

## 
##         Garífuna         Ignorado         Indigena Ladino / Mestizo 
##               21             4740              192            20671 
##             Maya      No indigena             Otro            Xinka 
##             3401              987              363                3

Correlacion entre edades de los cónyuges

Ocupacion en Hombre 2009-2021

ocupacion en Mujeres 2009-2021

Clustering

Haga un agrupamiento (clustering) e interprete los resultados.

divorcios$AÑOOCU <- as.numeric(factor(divorcios$AÑOOCU))
datosClustering <- divorcios[,c("AÑOREG","EDADHOM","EDADMUJ","AÑOOCU")]
data_omit <- na.omit(datosClustering) 
summary(datosClustering)
##      AÑOREG        EDADHOM         EDADMUJ          AÑOOCU     
##  Min.   :2012   Min.   : 15.0   Min.   :15.00   Min.   :1.000  
##  1st Qu.:2015   1st Qu.: 29.0   1st Qu.:26.00   1st Qu.:3.000  
##  Median :2018   Median : 34.0   Median :31.00   Median :5.000  
##  Mean   :2018   Mean   :106.8   Mean   :32.49   Mean   :4.482  
##  3rd Qu.:2020   3rd Qu.: 42.0   3rd Qu.:37.00   3rd Qu.:7.000  
##  Max.   :2022   Max.   :999.0   Max.   :81.00   Max.   :7.000  
##                                                 NA's   :6027
## Warning: did not converge in 10 iterations

Edad mujeres y hombres en divorcio entre 2009-2021 por medio de k-means

Agrupamiento por medio de k-means

Mixture of gaussians

Fuzzy C-means

##      AÑOREG        EDADHOM         EDADMUJ          AÑOOCU          grupo  
##  Min.   :2015   Min.   :18.00   Min.   :16.00   Min.   :1.000   Min.   :1  
##  1st Qu.:2017   1st Qu.:28.00   1st Qu.:26.00   1st Qu.:3.000   1st Qu.:1  
##  Median :2019   Median :33.00   Median :30.00   Median :5.000   Median :1  
##  Mean   :2019   Mean   :35.34   Mean   :32.17   Mean   :4.516   Mean   :1  
##  3rd Qu.:2021   3rd Qu.:40.00   3rd Qu.:37.00   3rd Qu.:7.000   3rd Qu.:1  
##  Max.   :2022   Max.   :98.00   Max.   :81.00   Max.   :7.000   Max.   :1
##      AÑOREG        EDADHOM       EDADMUJ          AÑOOCU          grupo  
##  Min.   :2015   Min.   :999   Min.   :18.00   Min.   :1.000   Min.   :2  
##  1st Qu.:2016   1st Qu.:999   1st Qu.:34.00   1st Qu.:2.000   1st Qu.:2  
##  Median :2018   Median :999   Median :40.00   Median :4.000   Median :2  
##  Mean   :2018   Mean   :999   Mean   :40.99   Mean   :3.921   Mean   :2  
##  3rd Qu.:2020   3rd Qu.:999   3rd Qu.:46.75   3rd Qu.:6.000   3rd Qu.:2  
##  Max.   :2022   Max.   :999   Max.   :76.00   Max.   :7.000   Max.   :2
##      AÑOREG        EDADHOM         EDADMUJ          AÑOOCU          grupo      
##  Min.   :2015   Min.   : 18.0   Min.   :16.00   Min.   :1.000   Min.   :1.000  
##  1st Qu.:2017   1st Qu.: 30.0   1st Qu.:27.00   1st Qu.:3.000   1st Qu.:1.000  
##  Median :2019   Median : 36.0   Median :32.00   Median :4.000   Median :1.000  
##  Mean   :2019   Mean   :239.6   Mean   :34.01   Mean   :4.252   Mean   :1.212  
##  3rd Qu.:2021   3rd Qu.: 56.0   3rd Qu.:39.00   3rd Qu.:6.000   3rd Qu.:1.000  
##  Max.   :2022   Max.   :999.0   Max.   :76.00   Max.   :7.000   Max.   :2.000  
##      mxGau  
##  Min.   :1  
##  1st Qu.:1  
##  Median :1  
##  Mean   :1  
##  3rd Qu.:1  
##  Max.   :1
##      AÑOREG        EDADHOM         EDADMUJ          AÑOOCU          grupo  
##  Min.   :2015   Min.   :18.00   Min.   :16.00   Min.   :1.000   Min.   :1  
##  1st Qu.:2017   1st Qu.:28.00   1st Qu.:26.00   1st Qu.:3.000   1st Qu.:1  
##  Median :2019   Median :33.00   Median :30.00   Median :5.000   Median :1  
##  Mean   :2019   Mean   :35.32   Mean   :32.18   Mean   :4.566   Mean   :1  
##  3rd Qu.:2021   3rd Qu.:40.00   3rd Qu.:37.00   3rd Qu.:7.000   3rd Qu.:1  
##  Max.   :2021   Max.   :90.00   Max.   :81.00   Max.   :7.000   Max.   :1  
##      mxGau  
##  Min.   :2  
##  1st Qu.:2  
##  Median :2  
##  Mean   :2  
##  3rd Qu.:2  
##  Max.   :2
##      AÑOREG        EDADHOM       EDADMUJ          AÑOOCU          grupo  
##  Min.   :2015   Min.   :999   Min.   :18.00   Min.   :1.000   Min.   :2  
##  1st Qu.:2016   1st Qu.:999   1st Qu.:34.00   1st Qu.:2.000   1st Qu.:2  
##  Median :2018   Median :999   Median :40.00   Median :4.000   Median :2  
##  Mean   :2018   Mean   :999   Mean   :40.99   Mean   :3.921   Mean   :2  
##  3rd Qu.:2020   3rd Qu.:999   3rd Qu.:46.75   3rd Qu.:6.000   3rd Qu.:2  
##  Max.   :2022   Max.   :999   Max.   :76.00   Max.   :7.000   Max.   :2  
##      mxGau      FCGrupos
##  Min.   :1   Min.   :1  
##  1st Qu.:1   1st Qu.:1  
##  Median :1   Median :1  
##  Mean   :1   Mean   :1  
##  3rd Qu.:1   3rd Qu.:1  
##  Max.   :1   Max.   :1
##      AÑOREG        EDADHOM         EDADMUJ          AÑOOCU          grupo  
##  Min.   :2015   Min.   :18.00   Min.   :16.00   Min.   :1.000   Min.   :1  
##  1st Qu.:2017   1st Qu.:28.00   1st Qu.:26.00   1st Qu.:3.000   1st Qu.:1  
##  Median :2019   Median :33.00   Median :30.00   Median :5.000   Median :1  
##  Mean   :2019   Mean   :35.34   Mean   :32.17   Mean   :4.516   Mean   :1  
##  3rd Qu.:2021   3rd Qu.:40.00   3rd Qu.:37.00   3rd Qu.:7.000   3rd Qu.:1  
##  Max.   :2022   Max.   :98.00   Max.   :81.00   Max.   :7.000   Max.   :1  
##      mxGau          FCGrupos
##  Min.   :1.000   Min.   :2  
##  1st Qu.:2.000   1st Qu.:2  
##  Median :2.000   Median :2  
##  Mean   :1.778   Mean   :2  
##  3rd Qu.:2.000   3rd Qu.:2  
##  Max.   :2.000   Max.   :2

Evaluación de la tendencia de agrupamiento:

En hombres

En mujeres